耶鲁大学的研究人员展示了一种机器学习工具，用于在疑似冠状动脉疾病的患者中选择冠状动脉成像和压力测试。

在目前欧洲心脏杂志上的一项研究中，该团队展示了个性化护理工具如何始终如一地选择最佳检查，以在 2,100 多名患者中取得良好的结果。

此外，该工具通过利用一项主要临床试验的两个臂来消除现实世界临床决策可能对研究数据产生的偏差影响，从而避免了算法偏差。

“我们的方法综合了大量随机化前特征之间的复杂关系，以创建和可视化患者的综合表型，并通过解剖或功能测试评估胸痛来个性化评估不良心血管事件的风险，”作者写。

该团队记录到，如果患者的检查选择与 AI 工具推荐的情况相匹配，则患者发生心脏不良事件的风险显着降低。

在耶鲁大学自己对这项工作的报道中，DPhil 医学博士 Evangelos Oikonomou 表示，人工智能工具在技术上很复杂，但在临床环境中很实用。

“它依赖于常规捕获的患者特征，临床医生可以通过简单的在线计算器使用它，也可以将其纳入电子健康记录，”他说。